跳到正文

技术方向

感知硬件与车载计算 最新动态

相机、传感器、车载和边缘计算的实际规格、量产进度和测试条件。

137 条精选近 30 天 100 条共收录 1,167 条

更新

精选归档 · 第 4 页

11月3日周二第 61–80 条
  1. arXiv · 机器人与计算机视觉85

    Covariance-aware Scoring:一种面向视觉语言模型测试时适应的几何修正方法

    论文提出 CARe 方法,通过引入由目标特征二阶矩诱导的马氏距离几何来替代传统的余弦相似度评分,解决各向异性特征分布下高方差方向主导评分的问题。理论证明在共享协方差的 Gaussian 模型下,该方法与贝叶斯最优线性判别一致,且在特征各向异性显著时增益最大。实验显示 CARe 在标准及细粒度分布偏移基准上均优于基线余弦评分,且效果随特征各向异性增强而提升。

    推荐理由:针对测试时适应中各向异性特征分布的局限,提出基于协方差的几何修正方法 CARe 以替代余弦相似度评分。

11月2日周一
  1. 盖世汽车 · 汽车资讯83

    宾大开发通用计算工具F3补全事件相机与机器人视觉缺失环节

    宾夕法尼亚大学工程师开发出名为“快速特征场”(Fast Feature Field,简称 F3)的通用计算工具,旨在解决事件相机数据处理难的问题。该工具能将事件相机每秒产生的数千万个信号转化为各类机器人可用的数据信息,有望在自动驾驶汽车、无人机等平台上广泛应用,显著提升机器人在多种光照条件下识别物体、估算距离以及感知运动的能力。相关成果已发表在期刊《科学 - 机器人学》上。

    推荐理由:宾夕法尼亚大学推出通用计算工具F3,将事件相机数据转化为机器人可用信息,有望提升多光照条件下的感知能力。

  2. arXiv · 机器人与计算机视觉78

    RTPolicy:面向边缘设备的实时多视角机器人操作策略

    针对闭环机器人操作中低推理延迟的关键需求,本文提出了 RTPolicy,这是一种结合视图感知特征融合与视觉压缩的多视角视觉运动策略。该策略通过流匹配动作生成器降低计算成本,在 RoboTwin~2.0 单任务清洁评估的 50 个任务中平均成功率为 52.26%,优于最强基线$ ext{\pi}_0$(46.4%)。

    推荐理由:该文提出 RTPolicy,在边缘设备上实现实时多视角视觉运动策略,异步流式推理下双臂平台任务成功率达 72%。

10月31日周六
  1. 量子位78

    新芯航途发布X7 Ultra:行业首用大模型测算力的车规级NPU

    新芯航途正式发布首款面向智驾大模型的芯片X7 Ultra。该芯片首次采用Momenta R7世界模型作为实测基准,在保持量化输出与FP32相似度超99.99%的前提下实现98.7%的NPU计算利用率。

    推荐理由:新芯航途发布首款面向大模型智驾的X7 Ultra芯片,首次以量产世界模型为基准定义算力,强调高量化精度与超高NPU利用率。

  2. 量子位84

    面壁智能开源ForgeKernel:AI Agent零帧起手将DeepSeek核心算子提速9.8%

    面壁智能开源算子生成系统ForgeKernel,其Agent在无源码、无论文参考情况下,于英伟达B200上通过42轮迭代将FlashMLA Prefill算子耗时从518微秒降至472微秒,超越人类手写巅峰9.8%。该系统在昇腾CANN三大榜单均排名第一,且已在国产芯片与英伟达平台完成MiniCPM5-1B长训测试,标志着AI研发主体正从人类转向模型。

    推荐理由:面壁智能开源ForgeKernel,展示Agent在无源码情况下将FlashMLA算子提速9.8%,并已在国产芯片与英伟达平台完成真实训练测试。

10月30日周五
  1. arXiv · 机器人与计算机视觉78

    联邦训练是否降低可解释性?集中式与联邦式深度伪造检测的 Grad-CAM 忠实度对比分析

    该论文系统研究了联邦学习对深度伪造检测模型解释性的影响。研究在 FaceForensics++ 数据集上评估 EfficientNet-B4 检测器,发现联邦模型的解释质量与数据异质性呈非单调关系:在接近独立同分布及中等异质条件下,联邦模型的解释忠实度不低于集中式基线;但在极端异质性下,解释完全失效且因果误导。研究提供了识别安全部署边界的实用指导,并开放了代码与数据分区以供复现。

    推荐理由:研究揭示联邦学习在深度伪造检测中解释性随数据异质性呈现非单调变化,极端异质下梯度解释失效。

  2. arXiv · 机器人与计算机视觉78

    ElasticFormer:基于弹性计算的视觉 Transformer 实现 HRW 场景目标检测

    针对吉像素级高分辨率宽幅(HRW)成像中前景稀疏、分辨率极高及目标数量多样带来的挑战,本文提出 ElasticFormer 模型。该模型通过动态分配计算资源适应不同前景比例,利用 ElasticSelector 模块预测并选择包含目标的窗口以集中算力,结合三阶段训练策略解决无边界框标注时的损失函数问题。

    推荐理由:提出弹性计算架构与动态稀疏选择机制,在保持高解析度宽幅图像检测精度的同时大幅降低算力消耗。

  3. arXiv · 机器人与计算机视觉82

    NIF:面向几何一致性的定向框细化方法

    针对标准回归头预测误差导致边界位移的问题,论文提出 NIF 模块,利用法向交点场对粗粒度定向框进行精细化拟合。该方法在 DOTA-v1.0、DIOR-R 和 HRSC 等数据集上取得最佳单尺度结果,且在冻结检测器时仍能提升 AP75 与 mAP。代码已开源。

    推荐理由:提出 NIF 模块,用可微几何拟合替代回归头,在冻结检测器前提下提升定向目标检测精度。

  4. arXiv · 机器人与计算机视觉84

    AB-Attention:加速视频扩散 Transformer 的精确块注意力方法

    针对视频扩散模型推理中三维全注意力二次方成本高的问题,现有动态稀疏注意力在激进稀疏下保真度下降。本文提出免训练的 AB-Attention 方法,通过仅在查询块内聚类估算重要性、按包含概率加权采样以及优化内核以利用 Tensor Core,在保持甚至提升 PSNR(最高提升 4.4 dB)的同时跳过 89--92% 的注意力计算,实现高达 2.23 倍的端到端加速。代码已开源。

    推荐理由:提出免训练的高效视频扩散注意力机制,在 Wan2.1 和 HunyuanVideo 上跳过 89-92% 计算量同时提升 PSNR。

  5. arXiv · 机器人与计算机视觉82

    Tactus:一款用于自然灵巧性数据收集的触觉与姿态感知手套

    Tactus 是一款集成纺织传感的手套,通过薄型化设计、电容式触觉传感器和 IMU 融合姿态追踪,解决了指尖力觉测量与手部遮挡下的姿态跟踪难题。材料给出了最小可探测力为 0.59 N(置信度 95%),跨参与者一致性达 0.87,并在重度遮挡下保持 11.0 mm 的指尖关键点相对误差。

    推荐理由:原文给出了触觉手套的硬件指标与跨平台基准评测结果,相关团队可据此评估其是否适合现有数据采集流程。

  6. The Robot Report78

    白宫就外国制造机器人做出第 232 条款决定

    美国商务部调查认定机器人及工业机械进口威胁国家安全与经济竞争力。特朗普总统据此发布声明,指出这些技术对国防、商业及两用目的至关重要,并指示政府与贸易伙伴谈判以调整进口规模。行业人士认为这释放了支持本土供应链的信号,但关税并非立即生效,未来政策走向取决于谈判结果。

    推荐理由:白宫认定机器人进口威胁国家安全,将启动与贸易伙伴的谈判以调整进口规模。

10月29日周四
  1. Autoware · Releases82

    Autoware 2.0 发布:引入扩散规划器与生成 - 选择架构

    Autoware 2.0 正式发布,在原有规则基线栈旁新增 AI 规划器选项,采用生成 - 选择架构让用户通过 launch 参数选择 Diffusion Planner。基础模型与数据集已迁移至 Hugging Face,并引入 Autoware Index 管理外部仓库及 Autoware Reference Design 提供可复现的部署配置。

    推荐理由:Autoware 2.0 新增扩散规划器与生成 - 选择架构,并将基础模型迁移至 Hugging Face。

10月28日周三
  1. arXiv · 机器人与计算机视觉78

    Ctrl-A:一种基于控制理论的自适应在线数据增强机器学习方法

    本文介绍 Ctrl-A(ControlAugment),一种用于图像视觉任务的自动化数据增强算法。该方法引入控制理论原则,在模型训练过程中根据操作响应曲线动态、独立地调整增强强度分布,从而消除对个体增强强度的初始化需求,并减少使用损害模型性能的增强操作。

    推荐理由:提出基于控制理论的自适应在线数据增强算法,通过闭环机制动态调整增强强度以消除手动工程需求。

  2. arXiv · 机器人与计算机视觉82

    DEIMv2:融合 DINOv3 特征的实时目标检测模型

    该研究提出了 DEIMv2 系列目标检测模型,通过结合 DINOv3 特征与空间调优适配器(STA),在涵盖从 X 到 Atto 的八种模型规模上实现了性能与成本的优化。其中最大模型仅用 5030 万参数即达到 57.8 AP,而 S 版本成为首个参数量低于 1000 万且超越 50 AP 里程碑的模型。

    推荐理由:该工作将 DINOv3 特征引入检测框架,在保持参数高效的同时实现了性能突破。

  3. arXiv · 机器人与计算机视觉82

    V-LUMEN:面向视觉语言模型的视觉查找记忆

    论文提出 V-LUMEN,一种用于视觉语言模型(VLM)的视觉查找记忆机制。该方法利用冻结码本将连续视觉特征离散化,通过空间聚合哈希构建感知空间的记忆键,并利用文本条件的相关性信号进行调制;所有寻址均为非参数化操作,检索到的嵌入向量通过门控残差路径融合到骨干网络中。

    推荐理由:V-LUMEN 通过冻结码本将连续视觉特征离散化,在保持计算量恒定的前提下为 VLM 提供可扩展的外部记忆容量。

10月27日周二
  1. arXiv · 机器人与计算机视觉78

    TriTile:一种用于视频扩散 Transformer 的三层注意力方法

    该研究提出 TriTile(含 Triage)方法,针对视频扩散模型中视觉 Token 注意力计算成本高的问题,设计了跳过、低精度估算及残差修正三种近似层级。该方法通过轻量级路由器根据块统计信息动态分配层级,仅在误差降低值得到额外算力时才升级精度,并融合执行于 RTX Blackwell GPU 的 FP4 Tensor Core。

    推荐理由:该方法在无需训练的情况下,利用硬件特性实现了视频生成模型的加速与精度提升。

  2. arXiv · 机器人与计算机视觉85

    Iris:一种支持图像、文本或混合候选人的视觉决策框架

    该论文提出 Iris 框架,解决多模态设置下模型处理离散视觉候选人的问题。研究证明在 Iris 架构下可实现严格的顺序不变性和精确缓存复用,并在 MetaEncoder 基准上超越更大参数量的基线。此外,通过重构 Qwen3.5 的 patch-embedding 卷积层为矩阵乘积形式,将 Ampere GPU 上的处理速度提升了 350 倍。代码、数据和检查点已开源。

    推荐理由:Iris 框架在保持候选顺序不变性的同时实现缓存复用,显著降低多模态决策延迟,并解决了 Ampere GPU 上的系统瓶颈。

  3. arXiv · 机器人与计算机视觉78

    SeeRF:通过生成式图像配准与融合实现超越视场的感知

    针对多模态传感器成像视角差异和视场失配导致的信息整合局限,论文提出了 SeeRF 框架。该方法结合微分不变速度场的形变生成策略、视觉基础模型引导的特征提取以及由粗到细的渐进式多模态图像配准模块,实现精确的跨模态流估计并生成有效视场掩码。

    推荐理由:提出 SeeRF 框架,利用生成式扩散模型解决多模态传感器视场不匹配与融合伪影问题。

  4. arXiv · 机器人与计算机视觉78

    理解并修复恶劣天气下的协同感知:西北工业大学团队发布新研究

    西北工业大学团队发布论文,首次系统研究恶劣天气导致的协同感知失效现象(Weather-Induced Context Interference)。实验表明,即使 LiDAR 点云未变,外部环境变化也会破坏多车融合前的对象表征。

    推荐理由:研究揭示恶劣天气下协同感知失效机制,提出无需成对数据的修复方法,在仿真与真实数据上均显著提升目标检测精度。